El potencial destructivo de la inteligencia artificial es alarmante, pero a menudo sobreestimamos cómo la tecnología cambiará el mundo en el corto plazo
- 13 minutos de lectura'
El siguiente texto fue extraído con autorización de The Mind’s Mirror: Risk and Reward in the Age of AI, escrito por Daniela Rus, Directora del Laboratorio de Informática e Inteligencia Artificial del MIT -Massachusetts Institute of Technology-, y el novelista Gregory Mone.
La conversación en torno a la IA se ha extendido desde los laboratorios y las empresas hasta los principales medios de comunicación, cafeterías y esquinas. Todo el mundo en todas partes ha estado hablando de inteligencia artificial. Recientemente, una amiga me contó cómo escuchó a un grupo de hombres hablar ampliamente sobre la amenaza de la inteligencia artificial cuando uno de ellos declaró con toda seriedad: “¡Quiero darle un puñetazo a la IA en la cara!”.
Es fácil entender esta respuesta. El potencial destructivo de la IA es alarmante. Puede utilizarse indebidamente para perpetuar prejuicios, desestabilizar sistemas políticos y promover desigualdades. Algunos expertos creen que puede amenazar nuestro dominio como especie. Como seres humanos, tenemos miedo natural de entidades que podrían ser tan inteligentes o incluso más inteligentes que nosotros. Y si bien existen muchas fuentes potenciales de ansiedad con respecto a la IA, sospecho que una fuente importante del temor público es económica. No queremos que la IA nos quite el trabajo.
El influyente futurista Roy Amara señaló que, como sociedad, a menudo sobreestimamos cómo la tecnología cambiará el mundo en el corto plazo y subestimamos sus efectos en el largo plazo. Esta idea ha llegado a ser reconocida como la ley de Amara, y es especialmente relevante cuando analizamos el impacto de la IA en el mercado laboral. El impacto a largo plazo de la automatización en la pérdida de empleos es extremadamente difícil de predecir, pero sí sabemos que la IA no automatiza los empleos. La IA y el aprendizaje automático automatizan las tareas, pero no todas. Ciertas tareas que componen un trabajo pueden ser ideales para la automatización, mientras que un conjunto completo de tareas adicionales puede que no lo sean. Por lo tanto, en la mayoría de los casos, el impacto de la IA en los puestos de trabajo no será una relación uno a uno, en la que se utilice un único sistema de IA o incluso un grupo de sistemas de IA para tareas específicas para eliminar un puesto de trabajo por completo. Sin embargo, la IA ciertamente cambiará muchos empleos.
Considere cómo las herramientas de codificación automatizadas están impactando la industria del desarrollo de software. El fundador de la startup e informático Matt Welsh, en una presentación ante la Association for Computing Machinery, comparó la llegada de estas tecnologías con una nave espacial extraterrestre que aterriza repentinamente en nuestro patio trasero. Aún así, señaló que no despediría a los programadores de su empresa para reemplazarlos con IA. En cambio, les exije que utilicen la tecnología porque, en su opinión, la herramienta los hace entre un 30% y un 40% más productivos. Mi colega del MIT Armando Solar-Lezama ha sugerido que una adopción más amplia de las herramientas de codificación de IA pondrá más énfasis en el conocimiento de alto nivel y la estructura del código base. Si bien las herramientas de inteligencia artificial plantan ciertos árboles, necesitaremos personas inteligentes y educadas que piensen en el bosque. Es posible que estos expertos también necesiten ajustar esas plantaciones, ya que las herramientas cometen errores.
Una de las preguntas que surge naturalmente de este tipo de aumentos de productividad es quién disfrutará de los beneficios. ¿Estos empleados más productivos ganarán salarios más altos porque realizan un trabajo de calidad a un ritmo más alto? ¿O las empresas reducirán su fuerza laboral y convertirán esas ganancias de eficiencia en ganancias corporativas? Por un lado, está la visión optimista: una mayor productividad se traduce en salarios más altos para los trabajadores que pueden producir un trabajo de mayor calidad en menos tiempo, aumentando su valor en el mercado. Este escenario supone una redistribución justa de las ganancias derivadas de una mayor eficiencia, reconociendo el aumento de las habilidades y el rendimiento de los trabajadores. Por otro lado, las ganancias en eficiencia podrían conducir a reducciones de la fuerza laboral y medidas de reducción de costos, y los principales beneficios recaerían en la corporación.
Normalmente, los investigadores exploran las tendencias de la industria a escala de toda la economía o analizan las empresas más grandes, pero las pequeñas y medianas empresas (Pymes) también se verán afectadas. Si bien las grandes empresas podrán explorar e invertir en IA, las más pequeñas quizás no, lo que podría ampliar la brecha competitiva y concentrar aún más el poder en las organizaciones más grandes. Sin embargo, se están desarrollando algunas soluciones útiles. Un grupo de trabajo de Global Partnerships in AI ha introducido un portal diseñado para educar a los propietarios de empresas sobre cómo podrían beneficiarse de las herramientas inteligentes y qué capacidades y servicios de IA están disponibles para su industria. Las empresas tendrán que adaptarse, pero ¿cómo incorporarán exactamente la IA en sus operaciones?
Consideremos por un momento una pequeña empresa de diseño de interiores, que ofrece un buen ejemplo de la posible división de tareas entre los humanos y la IA. La esencia del diseño, que tiene sus raíces en la creatividad, la empatía y el juicio subjetivo, seguirá siendo un esfuerzo claramente humano. Pero los diseñadores de interiores pueden aprovechar tecnologías avanzadas como la generación de inteligencia artificial, la realidad virtual y los análisis basados en datos, liberando su tiempo al automatizar tareas rutinarias y al mismo tiempo retener las tareas creativas, estratégicas y de resolución de problemas de alto nivel para ellos mismos. La IA generativa podría usarse para producir representaciones de diseños, pero los resultados serán el promedio del conocimiento mundial, no algo nuevo y fresco. Entonces, veamos qué tareas del flujo de trabajo de diseño podrían automatizarse y cuáles seguirán siendo claramente humanas.
Tareas que son técnicamente posibles de automatizar:
- Creación de paneles de estado de ánimo: la IA puede escanear vastas bases de datos de imágenes y estilos para crear paneles de estado de ánimo basados en palabras clave o temas específicos.
- Mediciones espaciales: con el uso de sensores avanzados y herramientas impulsadas por IA, se puede automatizar la medición precisa de un espacio, reduciendo el error humano.
- Abastecimiento de materiales y muebles: la IA puede buscar en catálogos en línea, bases de datos y listas de inventario para encontrar materiales o muebles que coincidan con un diseño, precio o tema específico.
- Optimización del diseño: dadas las dimensiones de un espacio y los muebles, la IA puede sugerir diseños óptimos.
- Visualización 3D: las herramientas de inteligencia artificial pueden representar rápidamente modelos 3D de conceptos de diseño.
- Análisis de iluminación: la IA puede sugerir configuraciones de iluminación óptimas según el propósito, el tamaño y la disponibilidad de luz natural de la habitación.
- Coincidencia de colores: la IA puede proporcionar sugerencias de paleta de colores basadas en un color primario o en un estado de ánimo.
- Análisis de tendencias: al analizar datos en línea, la IA puede identificar tendencias de diseño emergentes.
- Gestión de inventario y pedidos: para los diseñadores que manejan las compras, la IA puede rastrear el inventario, reordenar materiales e incluso predecir las necesidades futuras de inventario en función de las tendencias.
- Recopilación de comentarios: después del diseño, la IA puede automatizar el proceso de recopilación y análisis de comentarios de los clientes.
Tareas técnicamente difíciles de automatizar:
- Interacciones con el cliente: si bien la IA puede ayudar con el proceso de diseño, construir y mantener una relación cliente-diseñador es inherentemente humano. Comprender las preferencias, emociones y visión matizadas de un cliente requiere discusiones personales profundas y una intuición humana profunda.
- Diseño conceptual: la fase conceptual inicial, en la que los diseñadores idean e intercambian ideas, tiene sus raíces en la creatividad y la intuición. Si bien la IA puede proporcionar información basada en datos y ayudar en el proceso con paneles de estado de ánimo y creación rápida de ideas o descubrimiento de muestras, la chispa de la originalidad es humana.
- Sensibilidad cultural y contextual: los diseños a menudo necesitan resonar con la cultura, la historia o las experiencias personales del cliente. Es posible que la IA no comprenda plenamente estos matices. Aquí se necesita amplio conocimiento e inteligencia humanos.
- Opciones éticas y sostenibles: tomar decisiones éticas, como elegir materiales sostenibles o considerar las implicaciones socioeconómicas de las opciones de diseño, también requiere un toque humano.
- Resolución de problemas: pueden surgir desafíos únicos en cualquier proyecto. La IA no puede replicar fácilmente la capacidad de un diseñador experimentado para solucionar problemas y encontrar soluciones innovadoras.
- Juicio estético: si bien la IA puede reconocer patrones, la apreciación subjetiva de la belleza y el estilo es inherentemente humana.
Este es simplemente un ejemplo, en una industria especializada, pero demuestra cómo los empleos son la suma de tareas diversas y a menudo complejas. Entonces, si retrocedemos y consideramos la economía en general, ¿qué otras tareas podría asumir la IA? ¿Y cómo hacemos para identificarlos y comprender nuestro propio riesgo? En un estudio de 2017 sobre el impacto económico potencial de la automatización, Erik Brynjolfsson y Tom Mitchell sugieren dividir la pregunta en tareas que son adecuadas para el aprendizaje automático y la IA y aquellas que no lo son. La demanda de empleos que cumplan con las calificaciones anteriores podría disminuir a medida que se desarrollen las soluciones de IA, pero esto puede compensarse con un aumento en la demanda de trabajos que la IA no puede realizar. Además, los trabajos en los que las personas pueden utilizar la IA como asistente, como tareas de escritura y programación, pueden volverse más valorados debido a las ganancias de productividad asociadas.
Erik y Tom proporcionan un conjunto útil de criterios para identificar tareas que pueden ser adecuadas para la automatización del aprendizaje automático. Una tarea que tenga un gran conjunto de datos asociado es una buena candidata, porque una gran cantidad de datos de calidad permitirá que una solución de IA aprenda de manera efectiva. Sin embargo, si se requiere sentido común o conocimiento del mundo físico, entonces el aprendizaje automático no será ideal. Dado que los modelos de redes grandes son cajas negras, la IA probablemente no será una opción viable si necesita que su asistente automatizado le explique por qué tomó una decisión específica. Señalan que cualquier tarea que se considere para la automatización también debe tener objetivos y métricas claramente definidos, una cualidad que a menudo falta en las tareas realizadas por trabajadores del conocimiento, especialmente en el caso hipotético del especialista en diseño de interiores discutido anteriormente. En diversos ámbitos del diseño, los clientes rara vez saben exactamente lo que quieren.
Finalmente, Erik y Tom añaden que cualquier tarea que requiera destreza a nivel humano y habilidades físicas especializadas permanecerá de forma segura en el dominio de las personas en el futuro previsible. Los trabajadores cualificados que utilizan tanto la cabeza como las manos, como fontaneros, electricistas y carpinteros, no necesitan preocuparse en lo más mínimo por la automatización. Los robots no podrán cablear su hogar en el corto plazo.
Sin embargo, hay cambios significativos en el horizonte. ¿Qué tan pronto comenzarán a producirse estos cambios? No hay un cronograma claro y el cambio podría ser más lento de lo esperado. Mi colega del MIT CSAIL Neil Thompson estudió esta cuestión y descubrió que es poco probable una adopción rápida y generalizada por una razón muy simple: es costosa. El hecho de que una tarea pueda automatizarse mediante una solución de IA que se adapte perfectamente a ella no significa necesariamente que se adoptará la solución de IA, especialmente si las personas calificadas son más baratas.
Como ejemplo, Neil analiza el trabajo de hornear pan. El trabajo del panadero se puede dividir en múltiples tareas, que incluyen mezclar ingredientes, amasar e inspeccionar los resultados. Actualmente, automatizar todo el trabajo no sería razonable. Lo sé de primera mano, ya que mis alumnos y yo construimos una máquina inteligente llamada BakeBot que puede hacer galletas. Nuestro robot pudo completar las diferentes tareas con éxito y sin ayuda humana, pero costaría más que un automóvil de lujo.
Neil sabiamente dejó de lado la tarea de preparar y amasar la masa, determinando que estas tareas seguirán siendo competencia del panadero. La inspección es otra cuestión. La IA ha demostrado su capacidad para descubrir patrones ocultos en una amplia gama de aplicaciones, incluido el control de calidad para la fabricación, el análisis de imágenes médicas para el diagnóstico y la inspección de alimentos para determinar el cumplimiento de los estándares de seguridad y calidad. La inspección de panes está absolutamente dentro de su rango de capacidades. Entonces, Neil analizó lo que ganaría una pequeña panadería al instalar un sistema de visión por computadora mejorado con IA para asumir esa tarea. Estimó que una operación que empleara a seis panaderos con un salario de cinco cifras terminaría ahorrando 14.000 dólares al año al implementar un sistema de inspección de IA. Sin embargo, implementar el sistema podría costar más de 1,7 millones de dólares y mantenerlo costaría casi un cuarto de millón de dólares al año. Esa pequeña panadería tendría que vender bastantes baguettes.
Los detalles específicos variarán según la industria, por lo que Neil diseñó una rúbrica útil para estimar y comparar el costo de automatizar una tarea versus dejarla en manos de los humanos. El coste de automatizar una tarea con IA implica:
- Costos fijos, incluidos trabajos relacionados con la ingeniería, como implementación y mantenimiento.
- Costos que dependen del rendimiento, incluido el entrenamiento y reentrenamiento del modelo y cualquier herramienta asociada.
- Costos dependientes de la escala, que se centran en los costos de computación necesarios para operar realmente el nuevo sistema.
Los gastos totales involucrados en la implementación de la IA se suman, y Neil ha descubierto que la superposición entre las tareas que teóricamente podrían automatizarse y las tareas que son económicamente adecuadas para la automatización es menor de lo que uno podría pensar. Ha proyectado que el número de puestos de trabajo en riesgo es solo una pequeña fracción de las estimaciones más comunes, que no tienen en cuenta la economía detallada de la automatización. Su investigación también revela que si los costos asociados con la implementación de la IA caen rápidamente, la automatización se acelerará, pero si las mejoras de costos ocurren lentamente, lo cual es más probable, entonces la automatización será gradual y se llevará a cabo en una escala de décadas, no de meses. El hecho de que se pueda hacer no significa que se hará.
Sin duda, las nuevas tecnologías perturban los empleos existentes, pero también crean industrias completamente nuevas y los nuevos roles necesarios para sustentarlas. El economista del MIT David Autor dirigió un estudio que muestra que el 85% del crecimiento del empleo en los últimos ochenta años ha sido impulsado por la tecnología. El mismo estudio reveló que el 60% de los trabajadores de hoy tienen empleos que no existían en 1940. Sugiero centrarse menos en si la IA nos robará los empleos y más en cómo cambiará nuestros empleos hoy, mañana y en los años venideros. Y cómo familiarizarse con estas tecnologías y educarse para ponerlas a trabajar para uno. Si es una persona joven o se encuentra en las etapas relativamente tempranas de su carrera, sería prudente comenzar a explorar las tecnologías que son relevantes para su campo, oficio o función, y encontrar oportunidades para mejorar o reciclar sus habilidades para que pueda capitalizarlas. Y si es propietario o dirige una empresa, es posible que desee pensar de manera diferente sobre cómo opera su organización y cómo va a utilizar estas nuevas tecnologías.
Otras noticias de Comunidad de Negocios
Motosierra. Derogaron una veintena de resoluciones: hay desde una norma K que afectaba exportaciones de carne hasta una unidad de género
“Aclare su comentario”. Fuerte enojo del agro cordobés por una frase de Guillermo Francos sobre los granos guardados en silobolsas
“Muchas silobolsas vimos”. Guillermo Francos dijo una picante frase sobre los productores que no vendieron su cosecha
Más leídas de Negocios
Con 30 años de experiencia. El Grupo ST compró un Agente de Liquidación y Compensación
"La mejor inversión es en cultura". Martín Cabrales fue reconocido en la Legislatura porteña
De hobby a negocio. El ingeniero químico que diseña joyas y tiene 120 puntos de venta entre la Argentina y España
Cristina Lorenzo: “Creo que vamos a hacer historia con la alianza con Amazon Web Services”